统计分析方法范文

统计分析方法范文第1篇

【关键词】统计分析方法；应用；检验体系；共性问题；现实意义

中图分类号：C8 文献标识码：A 文章编号：

前言

随着信息技术的普及和广泛应用，它推动了社会、经济和科学技术的发展，多元统计分析方法的难题得到了攻破，各个领域广泛采用，推动了各行各业经济的快速发展。

二、多元统计分析方法的主要应用

统计方法是科学研究的一种重要工具，其应用颇为广泛。在工业，农业，经济，生物和医学等领域的实际问题中，常常需要处理多个变量的观测数据，因此对多个变量进行综合处理的多元统计分析方法显得尤为重要。随着电子计算机技术的普及，以及社会，经济和科学技术的发展，过去被认为具有数学难度的多元统计分析方法，已越来越广泛地应用于实际。

聚类分析

它是研究分类问题的一种多元统计方法，聚类分析的基本思想是首先将每个样本当作一类，然后根据样本之间的相似程度并类计算新类与其它类之间距离，再选择近似者并类每合并一次减少一类，继续这一过程直到所有样本都合并成为一类为止。所以聚类分析依赖于对观测间的接近程度或相似程度的理解，定义不同的距离量度和相似性量度就可以产生不同的聚类结果。企业制定市场营销战略时要弄清在同一市场中哪些企业是直接竞争者，哪些是间接竞争者是非常关键的一个环节。要解决这个问题，企业首先可以通过市场调查，获取自己和所有主要竟争者，从而寻找企业在市场中的机会。

判别分析

判别分析是已知研究对象分成若干类型，并取得各种类型的一批已知样品的观测数据、在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析，企业在市场预测中往往根据以往所调查的种种指标，用判别分析方法判断下季度产品是畅销平销或滞销。一般情况下判别分析经常与聚类分析联合起来使用。

主成分分析

主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标，来代替原来指标，同时根据实际需要从中可取几个较少的综台指标，尽可能多反映原来指标的信息，在市场研究中常常利用主成分析方法分析顾客的偏好和当前市场的产品与顾客之间的差别，从而提供给生产企业新产品开发方向的信息。

因子分析

因子分析是主成分分析的推广和应用。它是将错综复杂的随机变量综合为数量较少的随机变量去描述，多个变量之间的相关关系以再现原始指标与因子之间的相互关系。也可以认为因子分析是将指标按原始数据的内在结构分类。例如:对Y个调查区的商业网点数、人口数、金融机构服务数、收入情况等N个指标进行因子分析，如果按照一般的分析方法，我们就需要处理N个指标，并给它们以不同的权重。这样不仅工作量变大而且由干指标之间存在比较高的相关性，会给分析结果带来偏差另外给具有较高相关性的众多指标，从而计算出各个调查区平均综合实力得分以便决定在某个调查区拟建何种类型的销售点。

三、构建多元统计分析方法检验体系的必要性

(一)构建多元统计分析方法检验体系，提高多元统计分析应用质量

多元统计分析方法已经越来越为人们广泛应用，但应用中盲目套用分析方法的情况很多，只关心模型方法的应用。许多教科书也只侧重介绍多元统计分析方法的思想、原理和分析步骤，对多元统计分析方法应用结果的统计检验叙述不多。这就直接影响了多元统计分析方法的应用效果和可信性。因此，本文拟对多元统计分析方法的统计检验问题进行探讨。构建多元统计分析方法检验体系的目的在于进一步丰富和完善多元统计分析方法的内容体系；实践上，使多元统计分析方法的应用更加合理、规范。推动多元统计分析方法应用质量的提高，推动多元统计分析方法获得更广泛的应用。

(二)多元统计分析统计检验体系的基础理论

多元正态分布总体的样本分布，即维希特分布，霍特林分布，威尔克斯分布,多元正态总体均值向量假设检验，包括一个正态总体均值向量假设检验，两个正态总体均值向量假设检验，多个正态总体均值向量假设检验；多元正态总体协方差阵假设检验，包括一个正态总体协方差阵假设检验，多个协差阵相等假设检验。

(三)关于统计检验体系

将上述统计检验体系有机结合在一起，就构成了多元统计分析方法检验体系的基本框架。多元统计分析方法检验体系的构建,用多元统计分析方法，充分发挥多元统计分析方法的应用价值，提高应用质量，我们建议，在应用时，应该按照上述框架进行相应的统计检验。当然。上述统计检验体系还是一个初步的框架，随着多元统计分析方法理论的逐步完善，上述检验体系也需要不断完善，也需要更多的同行关注此类问题并不断加以研究。另一方面，在实际应用中，即便是某种方法根据上述内容都进行了统计检验，由于各种方法自身存在的缺陷或局限性，也还会存在许多应用中考虑不周之处。应该引起注意。但是，因子分析结果还是具有较大主观性。特别是对公共主因子在专业方面实际意义的解释上，仍然保留着一种艺术气息，并没有统一做法，因此很多情况下也是不能令人满意的。总之，我们在应用时，对因子分析的适用性、公因子的估计方法、公因子选取的数目。公因子的实际意义的解释等一系列问题都要引起足够注意。检验体系有如下几个分类：

a.主成分分析统计检验体系

b.因子分析统计检验体裂引

c.系统聚类分析统计检验体系

d.判别分析统计检验体裂

e.对应分析统计检验体系

f.典型相关分析统计检验体系

四、多元统计分析方法应用中需要注意的几个共性问题

1.关于原始数据变量的总体分布问题。

对原始变量的总体分布各种方法各有不同的要求。有的方法对原始数据变量总体分布没有特殊的要求，如主成分分析、聚类分析、对应分析。有的方法在不同情况下，对原始变量分布有不同的要求，如因子分析中，公共因子的估计方法不同，对原始变量分布要求不同，采用极大似然估计方法估计主因子时，是假定原始变量是服从多元正态分布的，因此，应用时要引起重视，如典型相关分析要求原始变量服从正态分布，但在严格意义上，如果变量的分布形式比如高度偏态不会降低其他变量的相关关系，典型相关分析是可以包含这种非正态变量的。

样本容量问题。

进行多元统计分析时，样本容量n达到多少为宜，目前尚没有统一的结论。有的认为样本容量应是变量个数的10～20倍，有的认为样本容量要在100以上比较合适，有的认为进行巴特莱特检验时的样本容量应该大于150方可，也有的认为不必苛求太多的样本容量，如在进行主成分分析和因子分析时当原始变量之间的相关性很小时，即使再扩大样本容量，也难以得到满意效果。

原始变量之间的相关性以及非线性关系问题。

多元统计分析方法中，有的是的要求原始变量中要具有相关性。有的则不要求原始变量具有相关性。如聚类分析中，进行Q型系统聚类分析时对原始数据变量之间的相关性也是有要求的，如选择欧式距离、明氏距离、兰氏距离时，则要求原始变量之间是不相关的。只有对原始数据的相关性进行了处理后，才可以选择使用上述距离。若原始变量存在相关性，则选择马氏距离比较合适。另外原始变量之间的非线性关系也是需要注意的问题。如主成分分析、因子分析以及典型相关分析当基于相关矩阵来进行计算时，这里的相关矩阵实际上是Pearson的积差相关。但是，如果变量之间的关系不是线性的，而是非性相关关系，于是，所进行的分析以及结论也就失去应有的意义了。

数据处理问题。

多元统计分析中涉及多个变量，不同变量往往具有不同的量纲及不同的数量级别。在分析时，具有不同量纲的变量进行线性组合是没有意义的，不同的数量级别的变量之间进行分析时。会导致“以大吃小”，即数量级的变量的影响会被忽略，从而影响了分析结果的合理性。因此。为了消除量纲和数量级别的影响，进行多元统计分析时，必须对原始数据进行处里，最常用的是先作标准化变换处理，然后再作相应的分析。

五、结束语

在统计分析方法的应用中，会涉及到多个变量，因此，必须根据原来有的数量进行处理，然后才能得出相应的分析结论。本文结合多元统计分析方法的理论基础，对相关检验体系和分析体系进行了分析，具有现实的理论指导意义。

【参考文献】

[1]于秀林．多元统计分析[M]．北京,中国统计出版社，1999：223—224．

[2]高惠璇．应用多元统计分析[M].北京,北京大学出版社 ，2005：343—366．

[3]郭志刚．社会科学分析方法一SPSS软件应用[M]．,中国人民大学出版社，1999.

统计分析方法范文第2篇

关键词：医院统计分析；问题；统计方法

中图分类号：C81 文献标识码：A 文章编号：1001-828X（2014）06-00-01

医院统计分析是有效进行统计工作的重要环节，直观反映医院各项指标的一项研究活动，统计分析是为医疗单位提供准确决策的依据，促使医疗单位准确决策从而实现医院更好发展的目的。本文介绍了医院统计分析的重要性，并针对医院统计分析过程中出现的问题提出了要运用正确的统计方法来进行医院统计分析工作。

一、医院统计分析的重要性

医院统计分析是指运用统计方法和与分析对象相关的知识，定量、定性的对医院各方面进行的研究活动，医院统计分析是在统计设计、调查、整理的基础上通过分析医院各项指标得出结论，从而用数字直观反应医院各方面情况的一种研究活动，通过医院统计分析对医院各项发展有一个深刻的认识，也是医疗机构有效进行各项管理，制定方针、政策的依据。随着市场经济的快速发展，医疗技术不断更新，医疗水平迅速提高。统计分析成为现代医院中统计工作的重要组成部分，在医疗行业管理中占有越来越重要的地位。

1.统计分析是提高医院服务质量和水平的关键。统计分析在统计设计、调查、整理的基础上，通过分析医院不同时期、不同阶段的经营状况，从而定量、定性的来反映医院的真实情况。通过医院统计分析，医疗机构能够清楚地认识到医院管理方面的不足之处，从而制定新的管理方案，不断完善医院的各项管理制度，提高医院的管理和服务水平。

2.统计分析是统计工作的重要环节。统计分析是统计工作中的重要环节，也是得出统计结论完成信息传递的有效方式。统计工作中首先要进行统计方案的设计、调查、整理，统计分析时完成统计工作的最后环节，也是最重要的环节，如果没有统计分析得出结论，之前的统计准备工作都变得毫无意义，只有经过统计分析，对研究对象有一个深刻的认识，才能达到整个统计工作的目的。

3.统计分析是提高统计效益的手段。统计工作与其他工作一样，统计效益的高低和统计质量的好坏直接影响着医疗机构的决策好坏。由于统计分析是统计工作的最后环节，之前的统计准备工作都是为统计分析服务的，在统计准备工作相对稳定的前提下，统计效益的高低主要取决于统计分析的质量的高低。

二、医院统计分析中遇到的问题

1.统计工作基础薄弱。统计工作制度在大部分医院特别是大中型医院得到普遍应用，但是由于我国医疗改革制度相对落后，很多医院仍然存在不健全不规范的统计工作制度。各部门之间没有明确的分工和相匹配的工作岗位，统计工作流程混乱，统计调查方法不科学，统计台账记录不清楚，对有效数据信息不能很好的利用，另外医院部门对统计工作中的人力、财力、物力投入不够，从而不能充分发挥医院信息系统的作用，降低了统计分析的工作质量。

2.统计程序落后。计算机是大部分医院有效进行统计工作的主要工具，但是我国计算机技术仍然不能完全顺应信息化的发展趋势，统计程序比较落后，仍然存在单机运行和手工操作情况，一些数据信息不能直接提取，还需要统计工作人员进行手抄、录入，这种建立在原始纸质基础上的传统统计方法严重影响了统计工作的效率，已经不能适应现代医院快速发展的需要。

3.缺少检验统计数据的方法。不能准确、有效的检验统计数据，容易造成不准确的统计数据，虚假的统计数据对统计分析造成很大影响，不能客观、准确的反映医院的真实情况，不利于医疗机构做出准确的判断和决策。由于医院各部门之间有着不同模式的收集数据的方法，对数据的报送也分不同时间段，有的日送，有的周送，还有的月送，因而统计工作人员在收集、统计数据的过程中难免会出现错误，而又没有能够检验统计数据的方法，所以不准确的数据直接造成了统计分析结果的不准确，不利于医院做出正确的决策。

三、统计方法在医院统计分析中的应用

针对医院统计分析过程中出现的问题，作为医疗机构应该加强管理，运用规范、系统的统计方法来有效的进行统计分析，使之能够准确的反映医院的各项指标。

1.相关性分析。相关性分析是目前医院统计研究中最基本的统计方法，是研究两个对象之间是否存在某种联系，以及联系强度大小的一种统计方法。相关分析主要研究两个变量间的正负关系，如果两个变量的变化方向一致，则为正相关，反之亦然。相关分析通过研究两个变量间的密切关系，有利于医疗机构做出正确的管理和决策。

2.主分量分析。事物之间的联系是纷繁复杂的，很多事物之间存在多种变量的影响，而总有一个是最重要的因素，主分量分析就是将多个变量通过方式变换找出主要变量的一种多元统计分析方法。主分量分析在医院主要应用在医院的工作质量、工作进展以及各科室的整体效益方面。

3.回归分析。回归分析是确定两种或以上变量间的关系的一种统计分析方法。根据不同的自变量的多少分为一元和二元回归分析，根据自变量与因变量的关系类型分为线性和非线性回归分析。回归分析可用于医院管理中多因素对某一因素的影响程度，还可用于医院床位利用率、业务收入、病床周转次数影响因素分析中，是一种比较科学、实用的方法。

四、结语

总之，新形势下，医院的统计分析工作是十分必要的，也是顺应医疗改革发展趋势的需要，只有不断将新的统计方法运用到统计工作中去，才能得出准确的统计分析结论，准确反映医院的真实情况，为医院管理机构提供科学决策的依据，从而更好的为医院发展服务。

参考文献：

[1]左振凤.浅谈统计方法在医院统计分析中的应用[J].医学信息（上旬刊），2011，24（3）.

统计分析方法范文第3篇

关键词：统计分析 对应分析 应用

一、前言

统计分析方法可以通过软件进行操作，spss是一种较为常见的软件，能够提供各种统计分析方法。

二、统计分析内容的分类

人类对客观事物的认识是多种多样的，这些认识可以是企业生产的规模，可以是企业生产机器的稳定性，可以是一个地区的教学质量，可以是市场经济的规律，也可以是一个时期的经济形势或环境等等。撇开这些形形的形式内容，人们对客观事物的认识从目的来看可分为表面认识和本质认识两种。本文将这种从形式内容中抽象出来的对客观事物的认识称之为统计分析内容。表面认识就是对客观事物表面特征的认识；本质认识是从客观事物表面特征出发，最终得到超越客观事物表面特征的本质特征的认识。同样，与统计分析内容相对应的统计分析（方法）就可分为表面分析和本质分析两种。在统计分析方法的使用上，形式内容的认识与统计分析方法的关联不大，反而是在统计分析内容认识（对客观事物表面认识和本质认识）上，分析方法的使用差别较大，因此本文主要从统计分析方法的角度对统计分析内容加以细分。

1、表面认识

表面认识是一种以认识具体客观事物表面特征为目的的认识。对具体客观事物表面特征的认识，从定量和定性两个角度出发，还可以分为事物描述认识和事物评价认识两种。

（1）事物描述认识。事物描述认识是指只对具体客观事物作纯粹的描述，而不加任何主观意见的认识，如集中趋势描述。从认识内容的复杂性来看，事物描述认识又可分为简单描述认识和综合描述认识。简单描述认识是对具体客观事物的一种现象（变量）特征的认识，如认识一群企业的规模。综合描述认识则是结合具体客观事物的很多现象（变量）对具体客观事物的特征加以认识，如认识事物在两个定类变量中交互分布等。综合描述不是简单描述的组合，而是简单描述的提升。

（2）事物评价认识。事物评价认识是指对具体客观事物的某种特征给出人为意见或判断的认识。评价分析通常给出定性结果，如判断两种产品某种性能的差异是否存在。按评价内容来分，评价分析主要包括事物成绩评价分析和事物间差异评价分析两种。事物成绩评价按评价所依赖的现象多寡还可分为简单评价和综合评价。

2、本质认识

本质认识是一种以认识普遍客观事物本质为目的的认识。本质认识仍以特定样本事物的数据为依据，但认识的结果已经远远超出样本事物的范围。撇开具体事物后，人类对事物本质的认识，则主要体现为对普遍事物的现象（变量）自身规律的认识和对普遍事物的现象（变量）间关系规律的认识。这两种认识还可以给他们一个更简单的名字，就是单现象本质认识和多现象关系认识，这也可以看作是本质认识按现象复杂性的划分。

三、对应分析的基本思想

对两个定性变量进行相关的分析时，因定性变量的数据是离散的，所以将两个变量的多种状态数据转换为列联表的形式进行处理。经数据转换形成的列联表是一个nxp的矩阵（第一个变量为n种状态，第二个变量为p种状态），对应分析也就是围绕着这个矩阵进行的。考虑将这个矩阵的行、列分别做降维处理，减少变量的状态，因子分析则是较好的降维方法。

在因子分析中根据研究对象的不同可以分为r型因子分析和q型因子分析，即对指标作因子分析和对样品作因子分析。由于r型因子分析和q型因子分析是反映一个整体的不同侧面，因此可能他们之间存在内在的联系。对应分析就是将两者结合起来进行统计分析，从r型因子分出发，直接获得q型因子分析的结果，将指标和样品分析的结果同时反映到相同坐标轴的一张二维图形上，对问题进行较为直观的分析。

四、分析内容与spss分析方法的关系

统计分析内容和spss分析方法的关系，表现为目的与手段的关系。相同的分析内容可以使用不同的分析方法，不同的分析内容，可以使用相同的分析手段。用同一种分析方法完成的分析，其分析内容属表面分析还是本质分析取决于你的认识目的。如独立样本t检验分析方法，可以用来分析一个班（校）中男女成绩差异是否显著，也可以用来分析性别变量对成绩变量

的影响是否显著。前者属表面分析，后者属本质分析。因为前者着眼的是一个班（校）的学生的成绩特征，后者着眼的是性别和成绩两种现象的关系。正因为本质认识着眼的是普遍现象的特征，因此要求样本量应足够大，显著性水平应足够高。对于表面认识，因为它认识的是样本特征，因此样本量大小与认识目的无关，显著性水平要求也可低些。

从二维图中可以看到，消费结构中的8个项目和17个地区分为4类。1.医疗保健、衣着类：辽宁、吉林、黑龙江、甘肃、青海、宁夏、新疆；2.食品、居住类：安徽、江西、湖北、重庆、四川、贵州；3.交通和通信、杂项商品和服务、教育文件娱乐服务类：北京、湖南；4.家庭设备用品及服务类：上海、广州。从这4类中大体可以得出以下结论，我国目前的消费结构和地域有较大的关联。当然以上结论较为直白，要想得出更理想的结论，还需对数据运用其他方法进行挖掘。不过，以上结论大体上得出了较为满意的探索性结果，也由此可看到对应分析在统计数据分析应用中的魅力。

六、统计分析中运用对应分析应注意问题

事实上，虽然对应分析有不少的优点，但在一些方面尚有缺憾，在运用时也需注意以下几点问题。

1、对应分析不能用于相关关系的假设检验。它虽然可能揭示变量间的联系，但它不能说明两个变量之间存在的联系是否显著。因而，在运用前要xz一检验两变量的相关性。

2、在对应分析中所做图形为了直观通常是二维的，这种做法是一种降维的方法，将原始的高维数据按一定规则投影到二维图形上，投影后的分类大多数情况与原始数据大体一致，但也可能与原始高维数据的分类有较大的差异情况存在。

3、对极端值敏感。在分析过程中，极端值（野点子）对对应分析的结果影响较大。在进行分析之前，要将列联表中的数据审视，避免极端值的存在。比如，列联表数据应正值，若有为零的数据，可视情况将相邻的两个状态合并。

七、结束语

综上所述，在统计分析当中，通过合理方法的应用能够大大简便运算过程，提高数据的准确性，为生产生活提供指导。

参考文献：

[1]王玉荣.统计数据分析软件的应用概述[j].数据管理，2012，11（3）：5—6

统计分析方法范文第4篇

运用大量统计数据来反映、研究和分析社会经济活动的现状、成因、实质和规律，统计分析演讲是根据统计学的原理和方法。并做出结论，提出解决问题方法的一种统计应用文体。统计分析是统计部门的独家产品，开展统计服务的拳头产品，通过一代又一代统计人的努力，统计分析已经成为一种品牌，被社会各界所认可，本文就如何写好统计分析，谈几点自己的看法：

一、统计分析的特点：

统计分析结果的最终形式。与一般文章相比，统计分析演讲是对研究过程进行表述的文章。具有以下一些特点：

并辅之以统计表和统计图来具体而明确地进行表述。并且，㈠以统计数字为语言。统计分析演讲以统计数据为主要语言。统计分析演讲所使用的统计数据不是个别的简单的杂乱无章的而是相互联系的具有逻辑关系的统计数据。

表述时不使用夸张、虚构、想象等文学表达方式，㈡具有简明的表达方式和结构。统计分析演讲属于说明文。也不使用华丽的语言和过多的描写去着意渲染。要求用尽可能少的文字，做到言简意赅、精炼准确，资料与基本观点一致，论点和论据的一致。

脉络清晰。一般是先针对问题亮出观点，㈢统计分析演讲具有相对确定的结构。其突出特点是层次分明。然后摆数据和事实进行论证，进行科学分析的基础上最后提出对策和建议。

但又不是对研究过程的全盘照搬，㈣对研究过程的高度概括。统计分析演讲是研究过程的叙述。而是择其主要论点和论据对研究过程的高度概括。省略了研究过程中运用多项指标、多种统计方法进行试算的过程，而且也不需要对方法的基本原理、特点、推导过程和运算方法进行过细的讨论，而是通过论点和主要论据的联系直扣主题。

二、当前统计分析写作中存在主要问题：

或通过反映去表现事物，㈠统计分析缺少统计数据。无论是通过研究去认识事物。都需要运用统计数据。统计部门拥有着巨大的数据库，为统计分析写作提供了丰富的资料来源，运用大量的统计数据，

统计分析演讲与其他文体最明显的区别，统计分析具有较强说服力的主要因素。也是统计分析逾越其它经济部门文章的独门利器。可是现阶段统计部门中出现了这样的文风，整篇文章无统计数据，无数理分析，这类文章丧失了统计分析最基本的属性，其效用和价值自然一落千丈。

统计表格文字化，㈡统计分析缺少活情况。通篇文章用数字堆砌。缺少反映经济动态的活情况，使读者感到枯燥乏味。

主要是社会经济统计和数理统计的原理和方法等，㈢统计分析专业性太强。统计分析演讲要遵循统计学的基本原理和方法。但是需要明确的统计分析叙述的主要内容应该是经济现象，应用各种统计研究手段是为了更加直观的解经济现象，而有的统计分析本末倒置，用大的篇幅描述计算和分析过程，使读者看完文章后，印象最深的统计学原理》对于分析结果却有如云里雾里，不知所云。

临时以来，㈣惯例型统计分析过多。统计部门将统计工作划分为工业、农业、商业、建筑业等等。统计工作者习惯于写定期专业统计分析，比方“上半年工业运行情况分析”一季度消费品市场运行情况分析”等等，很多分析是换汤不换药，年年一个样，大大降低了统计分析的使用价值。

后文罗列的统计数据增速却是下降的有些统计分析措词不够严谨，㈤语言的锻炼欠缺。有些统计分析前文说大幅增长。对“高速增长”较快增长”温和上涨”应用混乱；还有些统计分析的语句冗长，或语法存在错误，没有做到精益求精。

三、对写好统计分析的几点建议

㈠选好命题。

选题是第一位的选题的主导思想要新，统计分析能否写成功。思想不能陈腐，观念不能落后。不能用历史的陈腐的经验来对待已经发展变化了形势。选题时首先要明确对象，即明确给谁看，然后“换位思考”选读者最关心的问题；接下来才是确定内容，针对各级党政领导和社会各界普遍关心的难点、热点、焦点问题进行分析，才干有的放矢，针对性强。

㈡实施统计分析“精品战略”

那么统计分析就是面对消费者的产成品，如果说统计数据是统计生产线上的初产品。信息使用者直接面对的统计产品。实施统计分析“精品战略”就是要让统计分析能够体现出统计服务的高水准、能够贴近社会的信息需求，把统计分析演讲打造出统计品牌，不但要鼓励原创作品、消灭伪劣产品，还要提高产品执行的技术规范，通过长时间的努力逐步把“统计分析”做成一块金字招牌。

㈢提高统计分析的技术含量。

论据就是统计数据，统计分析的基本原则是依数成理。而统计学的不时发展为统计研究提供了更多可供选择的方法，将各种经济学、统计学知识应用在统计分析中，将经济现象研究得更加透彻，同时让社会各界认识到统计科学的广博精深，改变有些人对统计工作就是加减乘除的简单认识，最终赢得社会对统计工作的尊重。

㈣统计数据与经济动态有机结合。

才干使统计分析有血有肉。因此，只有把枯燥的数字与活情况结合起来。统计人员要把握好“四情”即上情、下情、内情和外情。上情就是当

党和国家的方针、政策，前社会经济发展的总体形势。上级会议精神及文件要求。下情就是搞调查研究，掌握部门、基层单位的现实具体情况。内情就是本系统、本单位的具体情况。外情就是外地区、外部门的具体情况。只有掌握好了四情”写统计分析文章时才干进行横向纵向分析比拟，揭示规律性，增强预见性。

㈤注重准确性和时效性。

统计分析方法范文第5篇

【关键词】财政研究；统计分析方法；概念；应用

一、前言

近年来，社会主义市场经济快速发展，我国财政工作面临的压力日渐增大，为了能够更好地进行财政分析工作，积极引进统计分析方法显得尤为必要，利用统计分析方法，不仅能够更加直观、清晰了解各项工作实际情况，还能够提高财政分析工作准确性，为此，加强对财政研究中统计分析方法的研究具有积极意义。

二、统计分析方法概念及其重要意义

1.概念

统计学主要研究对象为客观事物数量特征及关系，作为一种关于数据收集、整理及分析等一体化方法论科学，也是实证研究的重要手段之一。统计分析法将研究对象的数量、规模等各类数量关系作为基础，通过揭露事物之间的相互关系、规律等，最终对事物做出准确的解释及预测。

在科学技术快速发展背景下，电子应用设备逐渐成为人们生活、工作中不可缺少一部分，为统计分析法的推广提供了极大支持，统计分析法也逐渐成为各学科研究中的重要方法。在具体应用中，通过利用分析法中的数学方式、模型等获取相关数据、信息及资料，并进行整理及分析，最终获得定量结论，实现研究目标。

统计分析法是一项科学的分析方法，在具体应用中，要确保历史统计数据信息的完整性和真实性，如果缺乏准确性，势必会直接影响后续决策科学性。

2.重要意义

统计分析法在财政分析工作中的应用具有十分重要的意义，是统计人员及部门需要完成任务的重要手段。一项完整统计调查活动涉及调查、设计及整理等多项内容。为此，在完成调查工作后，便要进行分析工作。利用统计分析法开展财政分析工作，不仅能够为管理者提供完整的统计分析报告，提高决策科学性，还能够客观、具体反应财政各项工作实际情况、提高财政人员工作质量及效率，在编制统计分析报告过程中，能帮助财政人员及时发现自身存在的问题，并积极进行学习和提升，以提高财政研究工作水平，为此，利用统计分析法开展财政分析工作显得尤为必要。

三、统计分析方法在财政研究中的具体应用

1.合理确定选题

选题是财政分析工作的首要环节，具体可以通过积累统计数据方式进行，将数据进行对比，并对不同之处进行分析，发现其中存在的问题，从而确定选题方向，还可以通过对工作情况等进行了解，将实际工作作为根本出发点，以更好地完成分析报告。不仅如此，还可以通过了解时事等方式完成选题工作，并将本企业作为题目，严格按照国家相关规章制度，为后续财政研究工作奠定坚实的基础。

2.收集相关资料

资料作为统计分析工作的主要依据，没有资料的支持，那么研究工作也将无法开展，在进行分析之前，收集相关真实、完整的资料十分必要。在资料收集过程中，需要加大对资料严谨性的关注力度：首先，利用统计报表，由于统计报表各项目较为完整，利用报表收集相关资料，能够保障资料完整性；其次，收集相关部门资料，财政研究工作涉及范围较广，为此，为了能够提高资料全面性，要加强对原始资料的收集；再次，整理专题资料。整理的专题资料主要是对某个目标进行研究，具有一定针对性，利用这类资料，能够提高研究工作有效性；最后，实际调查是最为直接的一种方式，财政人员能够直接获取自己所需的资料，能够保障资料质量。

3.加强对资料的整理

通常情况下，原始数据资料不能够进行直接汇总，需要进行相应加工和整理。目前，可以利用计算机软件代替手工形式整理资料，如利用excel软件统计数据，将数据录入到计算机当中，便于后续工作的开展，同时，财政人员可以利用平衡推算、因素推算等形式对数据进行相应的估算，对数据进行排序和分类，最后构建统计图表，以清晰的查看各要素之间的关系，相比较传统统计工作，通过这种方式，不仅能够提高工作效率，还能够最大限度减少失误，提高财政研究有效性。

4.选择合理方法进行分析

统计分析作为关键环节，选择合理方法能够达到预期研究目标，常见的财政研究统计方法主要包括以下几种：第一，对比法，将存在关系的要素进行对比，如静态或者动态对比；第二，分组法，主要是指按照统计分组理论，将数据资料进行分组处理，如比例等，而后开展分析工作；第三，平均法，利用平均指标分析财政现象的构成特征、依存关系等，揭露财政工作存在的不足之处等。除了上述方法之外，还包括动态法和因素法，在具体使用中，可以结合实际工作需求，选择合适的方法。

5.制定分析报告

制定统计分析报告是对上述过程的总结和归纳，为此，统计分析报告要在统计资料基础之上，应用简洁、明确文字进行表述，充分反映客观现实。在统计分析报告编写中，要注重采用说明性应用文体，提高措辞规范化，清楚的表达事物之间的关系。

结论：根据上文所述，统计分析方法在财政研究中的重要性日渐突出，为此，财政人员要重视该方法，并加大对统计分析方法的研究力度，结合丰富的实践经验，使统计分析法在财政研究工作中最大限度发挥积极作用，从而提高财政研究工作有效性。

参考文献：

[1]郑权莉，宋文雯. 景观评价中的统计分析方法探究[J]. 设计，2015（07）：48-51.

[2]田时中，李光龙，李景晨. 我国财政支出绩效评价研究现状及评述――基于CNKI相关文献计量分析[J]. 地方财政研究，2015（06）：36-40-46.

统计分析方法范文第6篇

关键词：技能竞赛 综合统计 分析方法

中图分类号：G420 文献标识码：A 文章编号：1673-9795（2013）05（a）-0035-02

1 研究背景

国家把发展职业教育作为经济社会发展的重要基础和教育工作的战略重点，为此，职业教育得到了前所未有的重视，各地采取有力措施，大力推动职业教育快速健康发展，为进一步提升职业教育质量，以赛促教，各级教育主管部门开展了形式多样的各类技能考核和技能竞赛，但由于职业教育的特殊性，其竞赛专业多，项目复杂，如何科学合理计算竞赛综合成绩，给参赛单位及举办方提供有参考价值的数据，客观、公证的评价其职业教育教学质量，是一个有意义的研究课题。

本文根据职业技能大赛的复杂性，建立成绩统计的数学模型和计算方法，然后说明用Excel进行计算的具体步骤，最后以具体案例进行分析。

2 成绩分析数学模型

2.1 建立成绩统计分析的数学模型

某职业技能竞赛共设置专业个项目，有个单位参加竞赛。把参赛单位、竞赛项目、参赛选手分别按顺序编号，每个参赛选手的竞赛成绩记为，其中表示该考生的单位序号，表示该考生的参赛专业项目序号。表示该考生在单位的序号。在各类技能竞赛中其竞赛结果均以获奖等级公布，为此建立模型时需将获奖等级以加权方式数字化，一般来说一等奖8分，二等奖5分，三等奖2分。则：

3 用Excel统计竞赛成绩的方法

数据统计我们通常采用Excel电子表格，这种表格的特点是计算方便、图表直观。本节研究如何用Excel表格实现上述数学模型的计算，并进行分析总结。

本数学模型用Excel进行统计分析的步骤和关键问题的处理办法。

（1）科学编制参赛号。

要对竞赛成绩进行科学分析，同时便于计算机操作，建议采用“AABBBCCDD DEEEE”编号形式，其中AA代表参赛单位，BBB为专业编号，CC为对应的专业项目编号，DDD为学校编号，EEEE为参赛学生编号。

（2）用Excel表格分单位登记成绩。

在Excel表格中按如下格式登记竞赛成绩如表1所示。

并在总计栏设计好Excel公式，Z1、Z2等分别为上述矩阵内的成绩之和，Z为所有的Z1、Z2…之和。在这样的表格中，只要把学生的成绩输入，那么该学校的总分和分专业总分就可自动算出。

（3）参赛单位总分统计。

在上述成绩登记的基础上，分单位统计各项目竞赛综合总分，Excel表格格式如表2所示。

4 2012年某省中职院校技能大赛统计分析示意图

根据上述计算方法，可用Excel表格，将各类数据转化成图表，直观展示出来。现以2012年湖南省职业院校技能竞赛成绩为例进行分析。

从图1，图2中，我们能很清晰看出各市州的技能考核成绩，下图是我们对会计专业考核成绩分析图。

图3中可以看出，长沙、常德两市是会计专业办学出色，但是，两市的奖牌数还需要提高，即尖子学生不多。

还有多种统计表格，在这里不一一列出。通过实例验证，本成绩统计分析数学模型及相关图表，能直观准确地反映出参赛单位的教学质量，为各类技能考核或竞赛成绩提供了有价值的统计分析方法。

参考文献

[1] 王晓琳.浅谈使用Excel函数制作多班级成绩分析系统[J].计算机光盘软件与应用，2012（24）：262.

[2] 华承健.全国第八届残疾人运动会乒乓球比赛的成绩分析与探讨[J].当代体育科技，2012（8）：84-85.

统计分析方法范文第7篇

【关键词】宏观统计 核算模式 总需求 市场空间 调试

随着我国社会主义经济体制改革步伐日渐加快，涉及不同区域传统经济和上层建筑结构发生本质性改变，但是对于国家经济总量结构调整、生态平衡、公平竞争等发展关系来讲，始终无法完全依靠市场自发作用控制，关于政府宏观调控政策地指导地位还是异常深刻的。需要加以强调的是，如今宏观决策可以说和统计分析关系缜密，如此一来，社会诸多现象才会被清晰的认知，同步衍生出更多类型的高智能产品，最终为宏观政策调控和不同层级决策提供标准性指导线索。由此看来，验证解析宏观统计分析在政府管理中核心指导效用，引起人们对该类事务的重视态度，是十分必要的。

一、现阶段宏观统计分析和国民经济核算体系之间的关联特性认证

自从我国覆盖落实全新国民经济核算体系过后，不管是宏观统计规则和记录表格样式都同步更改，在此期间更获取了十分精准的数字信息，如资金流通表，能够进一步细致审视分配状况，验证总需求衍生流程。须知如今我国宏观统计分析面临极大的挑战危机，便是统计资料上的漏洞，想要在较短时间内确认宏观统计指标，就必须搜集更为详细的数列信息，这一切结果都不得不借用全新国民经济核算体系予以补充完善。

另外，该类核算体系更加需要宏观统计分析的配套支持，二者相辅相成，共同打造出富有中国特色的国民经济统计学理论。今后政府在贯彻国民经济核算体系构建指标环节中，需要更深层次地校验既有宏观统计分析原理、手段，希望借此为国民经济统计学科多元化可持续渗透发展，提供更加稳固的保障条件。

二、日后宏观统计分析在我国政府宏观调控过程中的科学指导方式补充

在社会主义市场经济环境作用下，政府想要系统化落实经济宏观调控任务，就必须时刻关注市场规律与其余要素的交互式效用，令不同类型经济成分、价格形势、经营流通模式有机融合，这也不可避免地令国民经济系统变得更加复杂深入。作为现代专业化统计分析技术型人员，需要定期吸纳整合我国一切经济发展变化信息，及时提升统计参与决策能度，将统计过程中的监督、指导建议补充职能发挥完全，不断迎合现代社会综合式管理需求。

（一）在合理时间范围内精确化描述特定事物的变化发展过程

任何事物都会经历由低到高等级的革新延展流程，宏观经济分析自然不可排除在外，其往往在人们多元化生产活动和创新科学技术支持下，获得进步。实际上初始阶段的统计，不过是进行过往资料整理，不管是时间、精准性方面都无法予以认证。尤其经过我国数学、计算机理论技术改革，统计学开始获得新生机遇，开始主张利用详细数据信息映射现实状况。所以说，今后宏观统计分析工作必须要充分结合马克思主义和科学方法论指导内容，进行问题多方位考察研究，督促分析人员细致处理手头任务，使得今后不同层次的统计分析服务质量获得根本改善。

（二）借助各类培训途径提升统计分析人员专业技能和职业道德素质

透过客观层面审视，宏观统计分析涉猎广泛，需要参与人员保留多方面专业知识，如经济学、社会科学知识等，尽量为政府宏观调控和不同层级决策提供指导性建议。因此，今后宏观统计分析机构要集中一切技术手段，加大创新人才培养投入力度，令内部工作人员不断汲取全新知识和方法，借此适应今后不断复杂的宏观统计分析工作环境。

另一方面，统计分析工序中必须发挥出显著的整体、系统化指导效应，令一切事物关联和制约特性被充分挖掘，进一步辅助分析人员筛选出最为优质化的管理方案。同时，其应全力主张紧跟国家政策和经济发展局势，透过宏观分析实践提炼出全新观念和改革措施，帮助上级领导解决统计分析事务上的一切困境。具体来讲，这部分统计数据要及时、理论要新颖、信息要超前、分析研究结果要精准。长此以往，关于宏观统计分析在政府宏观调控中的支持效用，才能倾数发挥，最终为我国社会主义市场提供更加人性、科学化的服务。

综上所述，关于宏观统计分析事务，其涉猎内容过于广泛，专业性较强，为了避免令今后政府宏观调控决策产生任何限制隐患，分析人员要定期接受创新技能培训活动，细致观察和国民经济核算体系相关的一切要素，结合计算机技术进行智能化分析延展。相信不过多久，必将能够为政府科学决策和社会主义市场经济协调发展，提供保障。

参考文献：

[1]王春如.宏观经济统计分析的基本问题研究[J].江苏科技信息，2015，（12）.

[2]吴琼.宏观经济统计分析初探[J].财经界（学术版），2015，（10）.

统计分析方法范文第8篇

1基本概念

作战行动是为遂行作战任务而采取的持续性活动。目前我军在作战模拟领域将其定义为作战单元在特定战场环境下的不可分或不必要在分的基本战斗行为。相应的，美军在任务空间概念模型中［13］采用EATI模板的方法抽象出作战过程中最小的原子行为———动作。虽然这两种定义在表述上有所不同，但从本质来说它们是一致的，都突出了不可再分、原子性的特点。为了方便讨论，本文将这种基本的行为统一称为作战行动。在实际的军事问题中，作战行动的不可再分性通常是相对的，取决于所研究问题的层次。作战行动的效能是衡量行动效果与任务需求的重合度，通过一定的公式或算法来量化这个程度的大小，即效能值是效果和需求的函数［14］。可见，作战行动的效能最终依赖于行动效果中的可观测的量、表达需求的参数以及这两者进行比较的方法，而作战行动效果数据就是这些可观测的量，例如机动的速度，使敌遭受的人员伤亡率等。

2作战行动效果数据统计分析

EINSTein系统［15］是由美国海军陆战队发展司令部在战斗模拟系统(IrreducibleSemi-AutonomousAdaptiveCombat，ISAAC)的基础上，研制的一种作战仿真平台。系统基于Agent技术构建，为研究陆军作战中不确定性、非线性等战争复杂性问题提供了新的工具。因此本文基于EINSTein仿真数据，分别从单次仿真实验分析、单组仿真实验分析、多组仿真实验分析三个角度，探讨多种兵力和武器配比方案下的仿真结果，以期发现不同条件下作战过程中存在的统计性规律，为作战行动的效能评估打下良好基础。

2．1单次仿真实验分析单次仿真实验分析是指针对一次仿真运行后采集的数据进行分析，主要包括仿真过程的数据展示以及仿真结果的数据统计。在每获取一次模拟样本之后，进行敌我双方的作战结果统计分析，以支持下一步的评估需要。由于作战行动的种类繁多，为了便于问题的分析，主要讨论分队级作战中进攻这一典型作战行动。作战想定:红方向蓝方发起进攻，占领蓝方阵地并将其消灭;蓝方进行阵地防御，击退红方进攻。作战模型的初始设置:战场地图大小100×100，仿真时长200个时间单位，红方100个Agent，蓝方50个Agent，每个Agent代表一个作战单兵，根据EINSTein系统的输入条件，确定红蓝双方的范围属性如表1所示。表1范围属性表属方侦察距离火力半径战斗欲望机动速度红方(健康)161682红方(受伤)8841蓝方(健康)101042蓝方(受伤)5521图1分别表示在仿真时刻为0，100，150，200时的战场情况。从仿真的过程可以看出，红方以压倒性的优势消灭了蓝方所有人员，并占领了蓝方的阵地。仿真的结果是红蓝双方人员的战损情况，具体为红方剩余健康人数72，受伤人数20，蓝方在仿真时刻166时已全部阵亡。

2．2单组仿真实验分析单组仿真实验分析是指在仿真输入参数固定的条件下，针对多次仿真实验结果数据进行分析。当作战行动是由多个随机模型组合而成时，由此行动产生的实验结果就表现为一系列的随机数据。对这些随机数据进行统计分析主要包括样本的数字特征、区间估计以及假设检验三个方面的内容。模型参数与表1中的设置相同，共进行100次红方进攻战斗的模拟，仿真结果的基本统计分析如表2所示。从表2可以看出，样本均值与样本中位数比较接近，说明样本中“离群点”较少，在同一输入条件下未出现极端情况，仿真结果较为可靠。红方健康人数、受伤人数的样本方差远大于蓝方相应的值，表明红方的战损情况波动较大，对最终作战效果的影响更明显。其原因在于进攻这一作战行动的效果主要体现在敌、我双方的战损情况。表1中红方的侦察距离、火力半径、战斗欲望较蓝方优势明显，蓝方损失惨重这一结果是必然的，在数据上表现为蓝方较小的样本方差。红方虽然能够取得胜利，但是其样本方差较大，说明作战中还是存在一定的不确定性。由此从数据统计分析的角度印证了一条作战的基本原则:对于具有进攻优势的一方，在作战中应提高己方的生存能力，以取得更好的作战效果。假设各统计结果服从正态分布，在置信水平95%的条件下，对正态分布的模型参数均值μ和均方差σ进行了区间估计。虽然从置信区间可以看出正态性假设较为理想，但仍需进一步对其进行假设检验。Q-Q图是一种评估正态性假定的直观方法，它展示的是样本分位数与观测值之间的关系，当各点离一条直线很近时，正态性假定是保持的，否则，正态性就较可疑。红方受伤人数统计结果的Q-Q图检验如图2所示。从图2数据的分布情况判断，红方受伤人数总体上服从正态分布，同理可得红方健康人数及蓝方相应战损数据也服从正态分布，可知假设条件与检验结果是一致的。由于每次运行是相互独立的，并且模型的初始参数不变，那么可认为每次仿真结果是独立同分布的随机变量，相互之间的偏差不会很大，因此假设仿真结果服从正态分布是合理的。

2．3多组仿真实验分析多组仿真实验分析是指在仿真输入参数变化的条件下，针对多组仿真实验结果数据进行分析。通过改变运行的初始条件，研究不同作战条件对作战结果产生的影响，从而支持实验结果的预测以及作战行动效能的评估。图2红方受伤人数的Q-Q图检验以表1中的参数设置为基础，蓝方输入参数保持不变，分别改变红方的火力半径以及总体人数，各进行50次仿真模拟。统计结果如图3、图4所示。图3不同火力半径下红蓝战损图4不同人数下红蓝战损根据仿真的输出结果，设红方健康人数x1，红方受伤人数x2，蓝方健康人数x3，蓝方受伤人数为x4，红蓝双方战前总人数分别为Nr，Nb，则红方剩余人数比ηr通过式(1)计算:ηr=x1+α×x2Nr(1)蓝方损失人数比ηb通过式(2)计算:ηb=1－x3+β×x4Nb(2)其中α、β∈(0，1)分别表示红蓝双方受伤人员的健康系数，由表1可知双方受伤人员范围属性值均是健康时的一半，所以α=β=1/2。规定当作战的一方损失人数比达到80%时，即宣告此方作战失败。图3表示的是在红方不同火力半径条件下，ηr(对应左纵轴)与ηb(对应右纵轴)的变化关系。对于红方而言，作战的目标是在保证本方战损尽可能小的同时最大可能地打击对手，即在图中反映为ηr和ηb越大越好。通过对结果数据的回归分析，可以看到随着红方火力半径的增大，ηr增加缓慢，而ηb增加迅速，表明火力半径对作战效果的影响明显，且主要体现在对蓝方的打击效果上。进一步分析，可以发现当红方的火力半径达到15时，蓝方损失已达到80%，即已失去作战能力，虽然随着火力半径的增大，蓝方的损失会继续增加，但是红方存活率已基本不再增加，更高的蓝方死伤率对最终作战结果影响不大。实际作战时人力物力资源通常是有限的，需要合理地分配使用各种武器装备，既保证对敌的打击作战效果，又不能盲目地使用高杀伤性武器，造成资源的浪费。因此，在上述仿真条件下，火力半径的取值范围在15～18是较为合理的。同样的，图4表示的是在红方不同总体作战人数的条件下，ηr与ηb的变化关系。从图中可以看出，ηr和ηb基本重合，在一个水平线上，红方的生存率和蓝方的死伤率都没有明显的增加。进一步分析，发现随着红方总体作战人数的增加，红方生存率没有明显的提高，然而由于人员基数的增大，红方死伤人员的绝对数量实质是在增加的，这一结果显然与通过增加总体作战人数来提高对敌打击效果的初衷是不相符的。究其原因在于仿真的初始条件上，红方在火力半径和作战欲望上对蓝军具有明显的优势，在此前提下，作战人员数量这一因素对作战的效果没有太大影响。可以看到，无论红方作战人员数量的多少，蓝方的死伤率基本都在80%以上，即红方已达到了作战的目的。因此对于在武器装备上具有优势的一方，不能想当然地认为增加作战人员的数量就一定能够取得较好的作战效果，应当注意适当地配置人员，在完成对敌打击任务的条件下尽可能减少己方损失，以取得理想的作战效果。以上在红方较蓝方总体上占有优势的条件下，讨论了火力半径与兵力规模对作战效果的影响程度。按照这一研究思路，可以在红方与蓝方势均力敌或者红方较蓝方总体上处于劣势的条件下，探讨各种因素对作战效果的影响，从中发现一些有价值的作战规律，继而为指挥部门提供有力的决策依据。

3作战行动效能评估

对作战行动效果数据统计的目的在于评估其效能，考虑到作战行动不可再分以及效果数据随机性的特点，其评估过程如图5所示。图5作战行动效能评估示意图作战行动是在一定战场环境下发生的，受到像地形、兵力、武器装备等主客观因素的制约，而作战行动的效果数据就是在这些影响下的具体表现。作战行动的效果数据通常是一个多维向量，可以表示为X={x1，x2，…，xn}，向量的每一维都从一个侧面反映了行动的执行效果。鉴于作战行动原子性的特点，需要将这个多维向量映射到一个能够综合反映行动结果的效能指标I，即I=G(X)。在对效果数据统计分析的基础上，得到效能指标的统计特征，结合作战行动的目标定义需求效能指标Ir。通过比较实际效能指标Ip与需求效能指标的重合程度，计算作战行动的效能值E。根据重合度比较方式的不同，效能值E的计算可分为至多型、至少型、区间型三种情况。1)至多型。给定一个指标需求值Ir，要求指标的实际值不能超过需求值Ir，由统计可得实际指标的概率密度函数为f(I)，如图6(a)所示，阴影部分的面积即是指标满足需求的效能值E，可用式(3)计算。E=F(Ir)=∫Ir－∞f(t)dt(3)2)至少型。

统计分析方法范文第9篇

[中图分类号]R195.1 [文献标识码]C [文章编号]1673-7210（2008）02（b）-139-02

随着健康观念和医学模式的转变，以及人们生活水平的提高，生存质量的研究越来越受重视，并得到了广泛的应用。生存质量是指健康地生活，它不仅包含健康新概念，还包含住房质量、生活水平、邻里关系、工作满意度等生活中的各个方面，相应地产生了大量的生存质量资料。生存质量资料具有不同于一般资料的特点：①生存质量是难以直接观察的主观构造，需通过多个项目的测定来综合评价；②生存质量包括几个方面，每个方面有多个指标，因此是多变量（多终点）资料；③生存质量测量往往要在多个时点重复进行，属多时点纵向资料。

因此，普通的统计分析方法在很多方面不适于生存质量资料的分析。为此，国外一些学者提出了一些新的分析方法。本文对可用于生存质量资料分析的统计方法作一概括的介绍及评述，旨在促进我国生存质量研究的广泛开展。

1 同一时点（横向）生存质量资料的统计分析方法

当仅进行一次生存质量的测定，或虽在不同的时间进行了多次测定，对各个时点（横切面）的生存质量分别进行分析时即属这种情况。这是应用中常见的情形，目的是对某个时点不同组间（如放疗组与化疗组）的生存质量进行比较。

1.1单因素检验方法

据Schumacher等报道，有关生存质量的文献中，1/3都是采用计算频率和均数等描述性统计方法，50%文献采用单因素的参数或非参数检验方法，如t检验、方差分析等进行组间比较，得到多个P值。显然，单因素检验方法仅能对单个指标分别比较，缺乏对生存质量的总体评价，并且当各个指标的改变方向不一致时，难以下结论。此外，计算多个P值明显增大了第一类错误。

1.2 Bonferroni校正法

该法是对单因素检验P值的校正，即用需检验的指标数乘以各自的P值作为最终判断的P值。当各指标间相关性较大时，较为保守。Worsley等对此进行了改进，实际只是就单因素分析中增大第一类错误的问题稍作调整。

1.3 HotellingT2检验或多变量方差分析

一种自然的想法就是将生存质量每一个指标当成一个变量，从而采用HotellingT2检验或多变量方差分析。由于生存质量测定中条目（变量）太多，一般需要先降维，把多个变量综合为少数几个主要方面的指标后再作分析。常用两种综合方法。①直接累加法：人为地将某些条目的得分累加，代表生存质量某一方面的综合得分，甚至将整个量表条目得分相加得到生存质量总分。该法常遭非议，原因是忽视了各条目的相对重要性，从而缺乏区别能力，某些条目上的较高得分会被较低的得分拉平。②加权累加法：每个条目给一个权重系数Wi，它的确定，一是采用基于数据结构的方法，即通过因子分析找出几个主要的综合变量(主成分)，各条目在主成分上的因子载荷即作为权重。另一种是采用决策分析中的一些方法，如时间权衡法等。该法虽可解决一些综合比较的问题，但还不能从总体上判断不同组间生存质量的好坏，一般不适合临床试验资料的分析。

1.4 O′Brien的非参数及参数综合检验法

O′Brien提出了一种多终点非参数检验法，实际是将单变量的秩和检验推广到多变量情形。基本思想是将不同组不同指标混合起来共同编秩（用Rijk代表第i组第j个人第k个指标的秩），然后对同一个人在指标间进行累加得到秩和Sij。Sij是综合了各指标后得到的一个综合变量，再以Sij作方差分析或一般的秩和检验。此外，O′Brien又根据广义最小二乘原理提出了一种参数综合检验方法，适合于多变量渐近正态分布资料。基本思想是将各变量的标准正态离差用协方差阵(Σ)的逆矩阵进行加权处理，得到一个新的综合变量Sij*，再以Sij*作单变量方差分析(或t检验)即可。

Pocock对O′Brien的参数法进行了推广，使得计量变量、分类变量、生存时间变量均能处理，并且给出了用t值（对于两组间的比较）代替标准正态离差的公式。

2 多时点(纵向)生存质量资料的统计分析方法

当在不同时间进行多次生存质量测定，旨在对同一组人群不同时点的生存质量进行比较时，或者既要比较不同组间，又要比较不同时点的生存质量变化时，属此情况。显然，对同一人群不同时点的比较问题，只要把不同时间点视为不同的处理组，将个体间的变异视为随机误差，则转化为第一部分中讨论的问题。若个体间的变异作为区组因素，则可考虑区组设计的方差分析或秩和检验。至于第二个目的，可试用有重复测量数据的双因素方差分析或方差分量模型，既可得到不同时间点上、不同处理组间生存质量的比较结果，又可得到二者间有无交互作用的结论。资料不符合方差分析的条件时也可考虑双因素秩和检验。若要对生存质量的多个方面进行整体比较，可试用多变量的双因素方差分析、轮廓分析等。此外，在临床研究中，推断的重点往往在于不同处理组间，生存质量在时间上的变化趋势有无不同，即两条或多条生存质量变化曲线的比较。此时可考虑时间序列分析及生存分析中的一些方法。

3 生存质量与生存时间的联合分析方法

众所周知，在慢性病与肿瘤的疗效评价及预后因素分析中，生存分析起着重要作用。但是传统的生存分析方法仅考虑了生存的数量，而未考虑生存质量。因此，把生存质量和生存数量结合起来进行综合的评价，就成为一个需迫切解决的问题，也成为生存分析的一个发展方向。笔者曾对此作过详细的介绍与讨论。

4 生存质量及生存时间的影响因素分析方法

4.1 生存质量的影响因素分析

当仅分析对生存质量总分的影响因素时，可将总分视为因变量，影响因素作自变量，从而采用多重回归分析方法。也有作者采用对数线性模型方法。若要同时分析生存质量各个方面得分的影响因素，笔者认为可采用多元多重回归分析或典则相关分析。

4.2生存质量与生存时间的影响因素分析

生存分析中的半参数模型被广泛地用于与生存时间有关的预后因素分析。因此，只要经过改进与扩展，使之适应有生存质量的数据即可。Coleetal等提出的质量调整Cox回归模型即是如此。它按生存质量的高低分为多个状态，以每个状态为终点进行Cox回归分析，因而可同时考虑多个协变量的影响。此外，Coleetal等从竞争风险出发提出了一种质量调整生存分析的参数方法，不但可综合评价生存质量与生存数量，而且还可对其影响因素进行分析。

以上这些统计分析方法，各有自己的适用性及优缺点，应用中应注意区别和选择。

按目的来介绍方法仅是为了方便。实际上不同的目的往往是互相联系在一起的，一份生存质量资料的分析常常要用到多种统计方法；另一方面，不少方法也能同时达到几个目的。如Cole的质量调整Cox回归模型既可用于生存质量与生存时间的综合评价，又可用于不同组间的比较，而且能作影响因素分析。

统计分析方法范文第10篇

回归分析（regressionanalysis）是统计学中一种常用的分析数据的方法，旨在研究一个变量Y与其他若干变量X之间的相关关系，实际应用较为广泛。根据涉及自变量的个数，可将其分为一元回归分析、多元回归分析；根据自变量与因变量之间的关系类型，可将其分为线性回归分析、非线性回归分析。当回归分析中仅包含一个自变量、一个因变量，且二者关系可用一条直线近似表示，该回归分析为一元线性回归分析。当回归分析中包含两个或两个以上的自变量，且因变量与自变量之间是线性关系，则称为多元线性回归分析。回归分析常用于观测数据，目的是获得因果结论。回归分析的结果是最佳拟合直线的数学方程，该方程的用途之一是预测［5－6］。曾宪昌等［7］较早运用通径分析原理对贵州省58头不同年龄、性别的沿河山羊的体尺和体质量关系作出较为系统深入的分析。借助通径图解简明地表达各变量之间的关系，并在区分各自变量在多元回归中的相对重要性后，剔除影响不大的自变量，在偏回归系数显著性检验合格的基础上，建立最优回归方程，直接用体长和胸围估计体质量和屠宰率对山羊产肉性能进行预测。陈永军等［8］运用SPSS14．0分析成年大足黑山羊体尺与体质量的相关关系、体尺对体质量的直接和间接作用以及决定程度，最后建立体质量与体尺的最优回归模型。结果表明：胸宽和管围是影响公羊体质量最主要的体尺指标，胸围是影响母羊体质量最主要的体尺指标。公羊最优回归模型为：Y＝19．630－0．940X6＋4．346X7，母羊最优回归模型为：Y＝－17．942＋0．661X4。（注：Y指体质量、X6指胸宽、X7指管围、X4指胸围）王高富等［9］采用SAS软件CORR对重庆黑山羊成年羊体尺、体质量指标与胴体净肉率进行相关分析，并以成年重庆黑山羊体高、体斜长、胸围、胸宽、胸深、成年体质量为自变量，胴体净肉率为应变量，采用REG过程BACKWARD（后退法）的多元回归分析方法，构建估测重庆黑山羊胴体净肉率的最优回归方程，结果表明：胸围、胸宽和胸深可以作为选择胴体净肉率的间接指标。韩学平［10］采用逐步回归的方法对随机抽测的青海省河南县40只欧拉型藏羊成年公羊和104只成年母羊的体质量和8个主要体尺指标进行回归分析，得到欧拉型藏羊成年公羊体质量和主要体尺指标的最优回归方程为Y＝0．88X2＋13．64X6－4．35X7＋1．28X4－114．51（P＜0．01）（R＝0．889）；成年母羊体尺与体质量的最优回归方程为Y＝0．49X1＋0．46X2＋0．30X3＋0．43X4－43．51（P＜0．01）（R＝0．649）。（注：Y指体质量、X2指体长、X6指管围、X7指尾宽、X4指胸深、X1指体高、X3指胸围）冯平等［11］采用相关分析、通径分析和回归分析的方法研究不同年龄段陕北白绒山羊体尺、体质量、绒长、毛长和产绒量的最优回归模型。结果表明：陕北白绒山羊在4岁时处于最佳生长阶段，产肉和产绒性能最好；产绒量和体尺、体质量、毛长、绒长的最优回归模型为Y＝0．559X10＋0．391X4－0．176X9＋0．196X7－0．169X8。（注：Y指产绒量、X10指绒长、X4指胸围、X9指毛长、X7指管围、X8指腰角宽）陈碧红等［12］运用SAS软件分析戴云山羊体尺与体质量间的相关、体尺对体质量的直接和间接影响以及体尺对体质量的决策程度，最后建立体质量与体尺的最优回归模型。结果表明：各体尺性状因素都在不同程度上影响戴云山羊的体质量。选育戴云山羊时应以胸部为主并兼顾体高，以取得较好的选育效果。

2主成分分析

主成分分析（principalcomponentanalysis）是由K．皮尔森对非随机变量引入的，用于分析数据及建立数理模型，尔后H．霍特林将此法推广应用于随机变量中。主成分分析又称主分量分析，是将多个变量通过线性变换以选出较少个重要变量的一种多元统计分析方法。在实际课题的研究中，为了全面系统地分析问题，常会涉及众多与此有关的变量，每个变量在不同程度上反映该课题的部分信息。信息的大小通常用离差平方和或方差来衡量。主成分分析可设法将原来变量重新组合成一组新的互相无关的几个综合变量，同时根据实际需要从中取出几个较少的综合变量尽可能多地反映原来变量的信息，是数学上处理降维的一种方法。主成分分析是多元统计中的重要内容，是当前许多研究的主题，其原则是将多个相关指标简化为少数不相关指标，它能够在不损失过多遗传信息的基础上进行多性状的方向性选择，同时提高选择效果［13］。近年来，该方法已被广泛应用于牛、羊、猪等家畜性状的选育工作中。姜加华［14］于2004年对波尔山羊杂交二代（F2）羔羊各阶段体质量和体尺指标进行主成分分析，建立F2的生长模型，为制定新品种培育方案、饲养管理方案提供理论依据，为确定综合选育指标奠定基础。刘铮铸等［15］采用主成分分析法，分析波尔山羊与唐山奶山羊的级进杂交三代羔羊不同年龄阶段体高、体长、腿臀围、胸围和体质量等与生长相关的性状，综合为几个主成分，并由此确定衡量波唐三代羔羊生长发育性状的指标，探讨评估个体羊的生长发育状况。结果表明，在波唐三代羔羊l周龄时，体质量对主成分影响最大，随着年龄增长，在1月龄、2月龄和4月龄对主成分影响最大的是体长和腿臀围，在1月龄和2月龄，第二主成分主要反映羔羊的体高信息。白俊艳等［16］对成年大尾寒羊的体长、体高、体质量、胸围、尾长、尾宽进行测量，利用SPSS软件对以上6个体尺指标进行主成分分析。结果表明，第一主成分的贡献率较高为59．043％，其中高载荷的指标有体高、体长，这些体尺决定大尾寒羊体形的长短高矮，将其命名为高度因子。第二主成分的贡献率为16．919％，其中高载荷的指标有尾长、尾宽，其反映大尾寒羊尾巴形状的变化特征，将其命名为尾形因子。第三主成分的贡献率为11．081％，其中高载荷的指标有体质量、胸围，这些体尺与大尾寒羊体形结构均衡性密切相关，反映大尾寒羊躯体大小程度，将其命名为躯体因子。若取前3个主成分，其特征根值可使累积贡献率达到87．043％，即用这3个主成分可解释6个体尺指标总体信息，且信息损失部分较小，信息损失仅占12．957％。

3因子分析

因子分析（factoranalysis）是研究从变量群中提取共性因子的统计技术。因子分析的模型最早由J．Penrson和C．S．Pearman提出，首先应用于心理学研究。由于这种研究收到较好的效果，因而引起科学界的注意。数十年来许多统计学家以及其他科学工作者在因子分析的理论、方法和实际应用等方面做大量的工作，使因子分析不断得到充实并成为多元统计学的重要组成部分。与此同时因子分析的应用也逐渐推广到心理学以外的其他学科，如经济学、生物学、植物学、地质学、化学等［17－18］。因子分析与主成分分析都有清理多个原始变量内在结构关系的作用，但主成分分析重在综合原始变量的信息，而因子分析重在解释原始变量间的关系，是比主成分分析更深入的一种多元统计方法［19］。因子分析旨在从许多变量中找出隐藏的具有代表性的因子，并将相同本质的变量归入公因子，通过建立公因子与原变量之间的数量关系来预报公因子的状态，帮助发现隐藏在原变量之间的某种客观规律性。因子分析可减少变量数目，还可检验变量间关系的假设。在因子分析过程中，因子数的准确确定是极其重要的。由于分析数据（通常由试验测得）存在误差，这就给确定因子数带来很大困难。如何在掺和误差的试验数据中准确地找出影响原始分析数据的因子数，是因子分析研究中的一个特别重要也很困难的研究课题。多年来，不少致力于因子分析理论研究的工作者在这方面作了很大的努力。然而，迄今还没有现成的准确确定一套试验数据中有多少有意义的因子的严格的方法。不过，已有不少判据在确定因子数时是行之有效的，其中被应用得较多的有E．R．Malinowk等提出的判据（如RE、IND等），用交互校验和频串分布等方法确定因子数也是相当有效的，这一方面的研究尚有待进一步的深入［17］。叶昌辉等［20］应用主因子分析的方法对广东省96头雷州山羊成年母羊的8个主要体尺性状进行研究分析，结果显示，雷州山羊成年母羊的8个体尺性状之间的相关系数均为正值，为正相关，可区分为相对独立的3个主因子。其中，第一主因子的贡献率最大，为60．00％，其中腰角宽、胸宽、胸围和胸深的因子载荷值较高，考虑其生物学意义，称第一主因子为躯体因子。同时，山羊躯体大小与屠宰率相关联，故躯体因子是山羊产肉率的一个间接指标。此外，第二主因子的贡献率为16．59％，称为高度因子；第三主因子的贡献率仅为7．64％，称为肢体因子。第一主因子的方差解释量最大，是雷州山羊变异的主要来源，故在今后的选育工作中应给予足够重视，以主因子为单位进行选种，结合其他性状的选择，提高雷州山羊的选育效率。

4聚类分析

聚类分析（clusteranalysis）又称集群分析，它是研究“物以类聚”的一种数理统计方法。聚类分析可将一些观察对象依据某些特征加以归类，在生物学和医学分类问题中有着广泛的应用［21］。聚类分析的基本思想是：所研究的样品或指标之间存在着程度不同的相似性。于是根据一批样品的多个观测指标，具体找出一些能够度量样品或指标间相似程度的统计量，以这些统计量为划分类型的依据，将相似程度较大的样品聚为一类。聚类分析的目标就是在相似的基础上收集数据并分类，关系密切的对象聚为一个小的分类单位，关系疏远的对象聚为一个大的分类单位，最终把所有的样品或指标聚类完毕，即可形成一个由小到大的分类系统。聚类结果体现数据的分布特征，聚类方法多种多样，针对不同的问题应该采取不同的方法［22］。聚类分析有不同的分类［23－24］：按聚类变量可分为样品聚类（caseclusteranalysis，又称Q聚类），和指标聚类（variableclusteranalysis，又称R聚类）；按聚类方法可分为系统聚类（joiningclusterprocedures）和动态聚类（iteractivepartitioningprocedures）；按数据的欧几里得距离的远近进行分类分析，常用的有谱系聚类法（hierarchicalcluster）和分类聚类法（disjointcluster）。赵宗胜等［25］对3种不同类型杂交肉用羊的体尺指标进行聚类和主成分分析，将所分析的17项体尺指标分为三大类：特征类、围度类、高长度类。运用这两种方法，所得结果基本一致，但对于不同的杂交组合，结果有一定的差异。根据3种杂交组合的体尺与主成分分析结果，3种羊的第一、二主测指标略有不同，表明其对于不同类型杂交系各种指标的度量应有不同的侧重点。从而揭示出不同类型杂交肉羊体尺差异性的规律，为今后的肉羊品种选育、鉴定、评价提供新的思路和依据。侯洪梅［26］采用SPSS软件对62只7月龄青海加什科公羔体尺和体质量指标进行聚类分析，分为4类，并对各类羊只的各项指标计算类内均值和标准差，根据均值差异确定4类各项指标区间，得出更具操作性和实用性的加什科羊品种鉴定结果。

5判别分析

判别分析（discriminantanalysis）是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。进行判别分析时通常根据已知样本的分类及所测的指标，筛选出能提供较多信息的指标，从而建立判别方程，使其错判率最小。其基本原理是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标。据此即可确定某一样本属于何类。判别分析的目的是建立一个判别函数式，建立判别函数式的法则主要有Fisher判别准则和Bayes判别准则。根据已知分类的数目、是否筛选变量和变量间是否有共线性，判别分析可分为二类判别、多类判别、逐步判别和典则判别分析［27－28］。敖学成等［29］经3个点抽样测定，用体尺、体质量性状指标对四川省美姑县58只成年母羊的遗传多样性进行聚类分析和判别分析，表明美姑县高繁山羊类群中存在大、中、小类型，具有选择高产肉用山羊的基础，得出从当前羊群综合性状结构的多样性特点开展有计划的选育十分必要。提出并分析母羊分类的三个判别函数式，其中体高、十字部高、体长、胸围、胸深、胸宽、体质量等性状类别间组内均值相等性检验均达到极显著和显著水平，可从表型值作出判定，因此可作为当前选育的参考依据。陈暖等［30］用SPSS软件对崇明白山羊、海门山羊、徐淮山羊、关中奶山羊的17个体尺指标进行典型判别和逐步判别分析，提供一种基于体尺指标的山羊不同品种和地理类型的量化分析方法。结果表明：该方法总体判别率可达到95．5％，当要求交叉验证正确率＞90％时，至少需要9个体尺指标；在品种间两两进行比较时，对判别贡献率最大的指标因品种不同而异。在该研究范围内，角型和胸宽是崇明白山羊区别于其他山羊的两个最具区分度的体尺指标。

6相关分析

相关分析（correlationanalysis）是研究变量之间密切程度的一种常用统计方法。两个变量之间的变化关系，既表现在变化方向上，又表现在密切程度上。相关分析旨在研究变量之间是否存在某种依存关系，且对存在依存关系的变量探讨其变化方向、密切程度。若两个变量变化方向一致则为正相关，若两个变量变化方向相反则为负相关。简单相关系数（由KarlPearson提出，有时也称作Pearson相关系数）用来度量变量间的线性相关关系的强弱程度。相关系数的符号（＋或－）代表着变量间相关关系的方向（正相关或负相关）［31－32］。狄江［33］对中国美利奴羊（新疆型）体大品系育种群的2岁母羊进行体尺与主要性状的相关及通径分析。结果表明，体大品系羊体长、胸围与体质量呈显著的正相关（P＜0．01）；体高、体长、胸围通过提高净毛率而间接增加净毛量；毛长对污毛量、净毛量无直接影响；净毛率与污毛量是极显著的负相关（P＜0．01）。刘金福等［34］在昌黎和卢龙两地测定89只唐山奶山羊成年母羊的体尺和体质量，并利用国际上通用的SAS统计分析软件对所测的各项资料进行统计分析，得出唐山奶山羊成年母羊体质量和体尺性状间的生长发育存在着较强的内在联系，在性状的选择方面可以利用这些较强的相关关系达到育种目的。贾存灵等［35］运用SAS软件分析萨福克×（无角陶赛特×小尾寒羊）三元杂交组合3月龄公羔体尺与体质量间的表型相关、体尺对体质量的直接和间接影响，并建立最优回归模型。萨福克×（无角陶赛特×小尾寒羊）三元杂交组合3月龄羔羊体尺各指标均与体质量有极显著的相关关系（P＜0．01），其中胸深和胸围是影响三元杂交公羔体质量的主要因素。在选择三元杂交公羔体质量的同时，应加强对胸深和胸围的选择力度。吴平等［36］采用MicrosoftExcel2007和SPSS16．0软件进行基本处理和相关分析，用全回归法（Enter）对体质量和体尺指标进行回归分析。研究主要针对关中奶山羊羔羊在3月龄内的体质量与体尺的生长发育情况而进行。研究表明，从初生到4月龄，羔羊生长发育迅速，尤其表现在初生后的前2个月左右，而此时也是母羊泌乳的最高峰期。通过对体质量与体尺之间相关性的研究得知，体质量与体长、胸围、体高之间都存在极显著的相关。在进行饲养培育时这3个指标都很重要，可作为此阶段选育的依据。

7综合分析

综合分析是指同时引用多种多元统计方法进行分析。较常见的是相关分析和回归分析的综合运用。扎西卓玛等［37］应用相关分析的方法，对83只柴达木绒山羊（互交羊）周岁母羊的胸围、抓绒前体质量、绒层厚度、粗毛量4个性状与产绒量性状的关系进行分析。结果表明这4项性状与产绒量均具有显著的相关性，用这4项性状估测产绒量的回归方程：Y＾＝114．7689－3．3302X1＋5．6125X2＋0．1935X3＋1．1142X4。经F检验得该回归方程具有一定的可靠性。（注：Y指产绒量、X1指胸围、X2指抓绒前体质量、X3指绒层厚度、X4指粗毛量）王欣荣等［38］采用多元逐步回归分析方法，对随机抽测的甘肃省甘南州草地型藏羊225只成年公羊和290只成年母羊的体质量和主要体尺指标进行相关性分析。结果表明：甘南草地型藏羊成年公羊体质量和主要体尺指标的最优回归方程为Y＝0．118X1＋0．652X3＋0．196X4（R＝0．901，0．01＜P＜0．05）；成年母羊体质量和主要体尺指标的最优回归方程为Y＝0．111X1＋0．186X2＋0．626X3（R＝0．849，P＜0．01）（注：Y指体质量、X1指体高、X3指胸围、X4指管围、X2指体长）。回归模型显示，胸围和体高是影响甘南草地型藏羊体质量的主要体尺指标，建议在今后的选育工作中加大对胸围和体高的选择力度，以提高藏羊的平均体质量。梁学武等运用SPSS13．0软件［39－40］，分别用Logistic、Bertalanffy和Gompertz模型对波尔山羊的体质量性状进行非线性拟合，并对体质量与体高、体长、胸围的相关性进行分析［41］。得出波尔山羊生长曲线采用Logistic模型拟合效果最佳，公母羊生长模型分别为：W＝51．59×（1＋6．15×e－1．82）－1（R2＝0．9815）和W＝52．56×（1＋7．15×e－2．08）－1（R2＝0．9834）（注：W指体质量）。公羊的生长拐点为14月龄，体质量25．80kg，成熟体质量为51．59kg；母羊的生长拐点为16月龄，体质量26．28kg，成熟体质量为52．56kg。在山羊的生长拐点前，加强饲养，可充分发挥其生长潜力，提高生产性能。波尔山羊体质量与胸围性状呈极显著正相关（P＜0．01），与体高性状呈显著正相关（P＜0．05），体质量与体高及胸围的二元回归方程为：Y＝0．279Btg＋0．893Bxw－19．28（注：Y指体质量、Btg指体高、Bxw指胸围）。生产实践中，可利用此回归方程估测体质量。

8小结

综上所述，利用多元统计分析深化对羊体质量与体尺方面的研究，许多研究人员已经作出较好的研究成果。以上介绍的运用多元统计方法对羊的体质量体尺各项指标综合分析，结果较好地反映体质量体尺性状信息与研究对象的关系。多元统计分析方法应用于畜牧统计分析，具有较强的科学性，生物数学、统计学的发展为动物医学的现代化研究提供新的方法和理论思考。值得一提的是，多元统计分析是研究多因素和多指标问题的统计方法，各种具体的分析方法在实际应用中各有优缺点，其中有些缺陷通过两种或多种方法联用可以克服，但有些缺陷却是克服不了的，在生产实践中需要灵活掌握。